声明
第一章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 人体姿态估计方法
1.2.2 人体姿态识别方法
1.3 交通指挥姿态识别技术研究难点及主要问题
1.4 本文主要研究内容及章节安排
第二章 卷积神经网络基础与数据集制作
2.1 深度学习基础
2.1.1 卷积神经网络结构
2.1.3 前向传播与反向传播
2.2 交通指挥姿态数据集
2.3 数据预处理
2.3.1 图像数量扩增
2.3.2 图像尺寸归一化
2.4 本章小结
第三章 交通指挥姿态估计算法研究
3.1 基于传统方法的交通指挥姿态估计
3.1.1 基于骨骼关键点的特征提取
3.1.2 损失函数
3.2 基于密集姿态的交通指挥姿态估计
3.2.1 特征提取网络模型
3.2.2 包含 3D 信息的参数化人体模型
3.2.3 基于 DensePose 的姿态估计网络构建
3.3 实验结果与分析
3.3.1 实验环境
3.3.2 实验测试
3.3.3 实验结果分析
3.4 本章小结
第四章 基于密集姿态估计的交通姿态识别
4.1 传统姿态识别方法
4.1.1 支持向量机分类算法
4.1.2 最近邻分类算法
4.2 改进的交通指挥姿态识别网络
4.2.1 Google Inception 网络
4.2.2 迁移学习及 Fine-tune
4.2.3 数据集制作
4.2.4 训练过程
4.3 实验结果与分析
4.3.1 基于机器学习方法的交通指挥姿态识别结果
4.3.2 基于深度学习方法的交通指挥姿态识别结果
4.3.3 实验结果分析
4.4 本章小结
总结与展望
参考文献
致 谢
湖南大学;